CN103942783A - 一种岩体裂隙信息的计算方法 - Google Patents
一种岩体裂隙信息的计算方法 Download PDFInfo
- Publication number
- CN103942783A CN103942783A CN201410129994.7A CN201410129994A CN103942783A CN 103942783 A CN103942783 A CN 103942783A CN 201410129994 A CN201410129994 A CN 201410129994A CN 103942783 A CN103942783 A CN 103942783A
- Authority
- CN
- China
- Prior art keywords
- line
- crack
- gray
- point
- binary picture
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Image Analysis (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种岩体裂隙信息的计算方法,包括:用于把岩体的彩色图像转换为精确二进制图像的处理步骤、用于获取精确二进制图像中岩体的裂隙的边界线并根据该边界线计算出裂隙最窄宽度的计算步骤、用于获取精确二进制图像中裂隙的骨架线并根据该骨架线计算出裂隙的主干线长度的计算步骤、线裂隙比计算步骤和面积裂隙比计算步骤,与使用传统方法得到的裂隙平均宽度相比较而言,本发明所获得的裂隙最窄宽度更具有实际应用价值,得到的线裂隙比和面积裂隙比更精确、更快捷。
Description
技术领域
本发明属于岩土工程技术领域,涉及一种裂隙信息的计算方法。
背景技术
岩体中几乎都存在不同程度和不同数量的裂隙,这些裂隙所形成的不连续面破坏了岩体的完整性和连续性,削弱了岩体强度,增大了岩体变形甚至破碎的几率。针对不同的领域而言,岩体裂隙都有可能带来较大的危害。
随着计算机图像处理功能广泛应用于很多研究领域,用于物体尺寸测量的数字图像技术在近二十年内得到了快速发展。数字图像化技术就是将图像转换成数字形式,从而可以应用各种数学算法从图像中提取重要的信息。
关于岩体裂隙的调查计算,国内外已经开展过一些工作,并取得了一定的成果。
国外方面,Crosta较早提出了一种简单图像分析技术,利用该技术结合计算机来实现对岩体破碎特征的分析;Lemy等介绍了一个对岩体的摄影图像进行快速提取其中的裂隙信息的数字表面测量系统,裂隙的提取过程分别经过数字图像处理中的边缘识别和人工神经网络算法,其结果可以直接用来评估岩体结构特征;Ferrero等运用图像识别原理,对摄影获得的数字图像进行分析,得到一些点阵,然后对点阵进行最小二乘法等自动化处理,最终得到岩体结构面的产状特征数据;Hadjigeorgiou等对岩体裂隙数字图像进行了各种边缘检测和线检测,获得相应的二值化图像,然后对各种方法所得的二值化图像进行了对比研究(同时也进行了边缘检测和线检测);Sturzenegger等对现代量测岩体产状最常用的两种手段:三维数字摄影测量和三维激光扫描法,从理论到原理到测量数据结果进行了对比研究;Deb等和Reid等分别就摄影测量获得的岩体结构面图像进行了裂隙信息的全自动和半自动提取方法研究。
国内早期对岩体裂隙数字图像处理的学者主要是吴志勇、范留明和李宁等人。吴志勇等依据计算机视觉理论对野外岩体数码图像进行解译,获得了裂隙相关参数信息,并基于VisualLISP开发了解译程序,使统计工作高效、简便、实用;范留明等提出了裂隙图像的现场采集方法和“几何变换—图像增强—智能识别—形状解析”的解析路径,并且对裂隙图像进行了模式识别技术的研究,还将其研究内容运用于对掘进隧道中切穿顶拱的裂隙面产状计算;近几年,李亚萍进行了基于数码图像的岩体裂隙几何学分析;王凤艳和刘子侠等人进行了以普通数码相机为摄影工具,应用数字摄影测量工作站—VirtuoZo经过一系列处理获取岩体结构面的几何信息的研究。
然而,在上述方法中,裂隙的宽度被认为是基于裂隙的总长度的平均宽度,该种近似等同造成裂隙信息计算的精确度不高,因此,现有的裂隙调查与图像的分析方法存在很大的局限性;同时,人工对岩体的裂隙进行信息收集和统计时,往往要求自然环境比较简单,若对悬崖等特殊极端环境下的岩体裂隙进行统计,很难用手直接测量裂隙的基本参数信息。
发明内容
本发明针对以上的缺陷,目的在于提供一种不仅精确度高而且计算过程方便快捷的岩体裂隙信息的计算方法。
为达到上述目的,本发明的解决方案是:
本发明提供一种岩体裂隙信息的计算方法,包括:用于把岩体的彩色图像转换为精确二进制图像的处理步骤;以及用于获取精确二进制图像中岩体的裂隙的边界线并根据该边界线计算出裂隙最窄宽度的计算步骤。
上述处理步骤包括:
(1)、获取彩色图像,把彩色图像中含有裂隙的区域转换为灰色图像,获得灰色图像的灰度矩阵,根据灰度矩阵绘制灰度直方图并根据灰度直方图确定灰度值范围;
(2)、判断灰色图像中的每一个像素点的灰度值是否在灰度值范围内,当判断出在灰度值范围内时,将该像素点的灰度值重新设定为0,当判断出不在灰度值范围内时,将该像素点的灰度值重新设定为255,得到粗糙二进制图像;
(3)、利用形态学变换法处理粗糙二进制图像,得到精确二进制图像。
上述最窄宽度的计算步骤包括:
(1)、获取边界线,在边界线上选取起点和终点,起点和终点将边界线分成第一侧边线和第二侧边线;
(2)、选择第一侧边线上除起点和终点之外的任意一个像素点作为目标点,计算该目标点和第二侧边线上任意一个像素点之间的距离,比较出目标点与第二侧边线上每一个像素点之间距离的最小值作为裂隙在目标点处的最小宽度;
(3)、比较出第一侧边线上所有目标点的最小宽度的最小值作为裂隙的最窄宽度。
上述岩体裂隙信息的计算方法还包括:用于获取裂隙的最大宽度的计算步骤;以及用于获取精确二进制图像中裂隙的骨架线并根据该骨架线计算出裂隙的主干线长度的计算步骤。
上述最大宽度的计算步骤包括:
(1)、获取边界线,在边界线上选取起点和终点,起点和终点将边界线分成第一侧边线和第二侧边线;
(2)、选择第一侧边线上除起点和终点之外的任意一个像素点作为目标点,计算该目标点和第二侧边线上任意一个像素点之间的距离,比较出目标点与第二侧边线上每一个像素点之间距离的最大值作为裂隙在目标点处的最大宽度;
(3)、比较出第一侧边线上所有目标点的最大宽度的最大值作为裂隙的最大宽度。
上述主干线长度的计算步骤包括:
(1)、获取骨架线上的所有交叉点以及除起点和终点之外的其它端点,计算出每个端点和对应的交叉点之间的距离并逐个比较端点和对应的交叉点之间的距离与最大宽度的大小,当端点和对应的交叉点之间的距离小于最大宽度时,删除该端点和对应的交叉点之间的线段;
(2)、当比较结束时,被保留下来的线段为主干线,主干线上所有像素点的个数即为主干线长度。
上述岩体裂隙信息的计算方法还包括线裂隙比计算步骤,包括:
(1)、在精确二进制图像中作与裂隙的走向相交叉并且与精确二进制图像的相对向的两边相交的标准直线,计算出标准直线的总长度;
(2)、分别计算裂隙的各条分支与标准直线的相交处在标准直线上所占的长度;
(3)、计算各个相交处的长度之和,并计算长度之和与标准直线的总长度之商即得裂隙和标准直线的线裂隙比。
上述岩体裂隙信息的计算方法还包括面积裂隙比计算步骤,包括:
(1)、分别计算裂隙的面积和精确二进制图像的面积;
(2)、计算裂隙的面积和精确二进制图像的面积之商即得裂隙和精确二进制图像的面积裂隙比。
由于采用上述方案,本发明的有益效果是:
本发明所涉及的岩体裂隙信息的计算方法能够计算出裂隙在任意一个目标点处的最小宽度,而不是笼统地把裂隙的宽度近似等价于基于裂隙的总长度的平均宽度,所以能够减小裂隙信息的计算误差,使得本计算方法具有通用性广和准确性高的优点。
附图说明
图1是本发明实施例一中的裂隙的边界线的示意图。
图2是本发明实施例二中的裂隙的形态图。
图3是本发明实施例二中的裂隙的骨架线的形态图。
图4是本发明实施例二中的裂隙的主干线的形态图。
图5是本发明实施例三中的裂隙的灰度图。
图6是本发明实施例三中的裂隙的精确二进制图。
图7是本发明实施例三中的裂隙和标准直线的关系图。
附图标记:
第一侧边线1、第二侧边线2、精确二进制图像3、裂隙4、骨架线5、分支线6、主干线7、灰色图像8、精确二进制图像9和裂隙10。
具体实施方式
以下结合附图所示实施例对本发明作进一步的说明。
本发明提供了一种岩体裂隙信息的计算方法,用于对自然环境中的各种岩体上的裂隙所含有的信息(岩体裂隙信息)进行计算,以便于随后对这些岩体的特性进行科学研究。这些岩体裂隙信息主要包括裂隙最窄宽度、裂隙长度、裂隙面积、线裂隙比和面积裂隙比等信息。
实施例一
本实施例提供了一种裂隙最窄宽度的计算方法。裂隙最窄宽度被定义为岩体中某条裂隙最窄处的宽度,其计算方法包括:
第一步、用于把岩体的彩色图像转换为精确二进制图像的处理步骤;
第二步、用于获取精确二进制图像中岩体裂隙的边界线并根据该边界线计算出裂隙的最窄宽度的计算步骤。
其中,上述处理步骤包括:
步骤1-1:采用数码相机捕获带有裂隙的岩体的彩色图像并以数字形式进行保存;
步骤1-2:截取彩色图像中含有其中任意一条裂隙的区域作为裂隙识别区并把该裂隙识别区作为待分析图像另行存储;
步骤1-3:把待分析图像转换为灰色图像,获得该灰色图像的灰度矩阵,根据灰度矩阵绘制灰度直方图,再根据灰度直方图确定灰色图像中裂隙的灰度值范围;
步骤1-4:判断灰色图像中的每一个像素点的灰度值是否在灰度值范围内,当判断出在灰度值范围内时,将该像素点的灰度值重新设定为0,当判断出不在灰度值范围内时,将该像素点的灰度值重新设定为255,由此得到粗糙二进制图像;
步骤1-5:利用形态学变换法处理粗糙二进制图像,得到精确二进制图像。
至此完成对图像的处理步骤。
其中,上述对图像的处理步骤是通过Matlab软件来实现的。
在步骤1-3中,灰度值是指灰色图像中每一个像素点的颜色深度,数值范围为0~255,黑色为0,白色为255。
步骤1-4是利用Matlab软件的图像处理命令中的sim2bw指令来实现的,其主要目的是增大灰色图像中裂隙和背景色之间的灰度值的差异。
步骤1-5中的形态学变换法是使用收缩、膨胀等形态学基本变换指令对粗糙二进制图像的裂隙进行调整,以使裂隙能够更清晰地被显示出来。必要时还可以通过手工操作对粗糙二进制图像的裂隙进行调整。
上述最窄宽度的计算步骤包括:
步骤2-1:如图1所示,获取精确二进制图像中裂隙的边界线;
步骤2-2:在边界线上选取起点A和终点B,起点A和终点B将边界线分成第一侧边线1和第二侧边线2;
步骤2-3:选择第一侧边线1上除起点A和终点B之外的任意一个像素点(如C点)作为目标点,计算该目标点与第二侧边线2上任意一个像素点(如F点、D点、E点、G点等)之间的距离,比较出目标点与第二侧边线2上每一个像素点之间的距离的最小值作为裂隙在该目标点处的最小宽度;为了便于清楚说明,C点、F点、D点、E点和G点均加黑处理。
步骤2-4:比较出裂隙在第一侧边线1上所有目标点处的最小宽度的最小值作为裂隙最窄宽度。
至此完成对最窄宽度的计算步骤。
在步骤2-1中,利用Matlab软件的指令可以获得裂隙的边界线。
在步骤2-2中,起点A和终点B是通过灰度值分析的方法确定的,具体如下:以精确二进制图像3的左上点为原点O,沿着Y轴增大的方向和X轴增大的方向不间断依次检测每一个像素点的灰度值。当所有像素点的灰度值都检测完毕时,把检测到的第一个灰度值不为0的像素点作为起点A,把检测到的最后一个灰度值不为0的像素点作为终点B。
在步骤2-4中,裂隙最窄宽度也即裂隙的最窄处的宽度。在岩体裂隙特性的研究中,因为裂隙最窄处的宽度对岩石强度和渗透性等有较大影响,所以研究裂隙最窄宽度比基于裂隙总长度得到的平均宽度更有意义。
实施例二
本实施例提供了一种裂隙长度的计算方法。裂隙长度被定义为岩体中某条裂隙的主干线的总像素和,其计算方法包括:
第一步、获取裂隙的最大宽度的计算步骤;
第二步、获取精确二进制图像中裂隙的骨架线并根据该骨架线计算出裂隙的主干线长度的计算步骤。
其中,获取裂隙的最大宽度的计算步骤包括:
步骤3-1:获取精确二进制图像中裂隙的边界线;
步骤3-2:在边界线上选取起点和终点,起点和终点将边界线分成第一侧边线和第二侧边线;
步骤3-3:选择第一侧边线上除起点和终点之外的任意一个像素点作为目标点,计算该目标点与第二侧边线上任意一个像素点之间的距离,比较出目标点与第二侧边线上每一个像素点之间的距离的最大值作为裂隙在该目标点处的最大宽度;
步骤3-4:比较出裂隙在第一侧边线上所有目标点处的最大宽度的最大值作为裂隙最大宽度。
裂隙的主干线长度的计算步骤包括:
步骤4-1:如图2和图3所示,获取精确二进制图像中裂隙4的骨架线5;
步骤4-2:获取骨架线5上的起点M、终点S、所有交叉点以及除起点M和终点S之外的其它端点;
步骤4-3:计算出每个端点和对应的交叉点之间的距离并逐个比较端点和对应的交叉点之间的距离与最大宽度的大小,当端点和对应的交叉点之间的距离小于最大宽度时,删除端点和对应的交叉点之间的线段;
步骤4-4:如图4所示,当比较结束时,最终被保留下来的线段为主干线7,主干线7上像素点的总个数即为主干线长度。
在步骤4-1中,利用Matlab软件的edge指令可以获得裂隙4的骨架线5。
在步骤4-2中,本实施例中裂隙4的骨架线5上的交叉点有5个,分别为H点、I点、J点、K点和V点,除起点M和终点S之外的其它端点有5个,分别为N点、P点、Q点、R点和T点。
在步骤4-3中,NH线、PI线、QK线、JT线和RV线作为分支线6被删除。
在步骤4-4中,MS线作为主干线7被保留。
实施例三
本实施例提供了一种裂隙面积的计算方法。裂隙面积被定义为岩体中某条裂隙在精确二进制图像中像素点的总数,可采用Matlab软件的bwarea指令对裂隙面积进行计算。在传统的计算方法中,裂隙面积等于裂隙平均宽度乘以裂隙的长度。由于裂隙平均宽度存在着较大的误差,由此得到的裂隙面积必然也存在较大的误差,因此,从精确二进制图像直接得到裂隙面积更准确。
实施例四
本实施例提供了一种线裂隙比的计算方法。线裂隙比被定义为在精确二进制图像中,标准直线落在裂隙内的长度与该标准直线的总长度之比,其计算方法包括:
步骤5-1:如图5和图6所示,根据实施例一的处理步骤(即步骤S1-1到步骤S1-5)将岩体的灰色图像8转换为精确二进制图像9;
步骤5-2:如图7所示,在精确二进制图像9中作与裂隙的走向近似垂直的标准直线L',该标准直线L'与精确二进制图像9相对向的两边相交并且依次经过裂隙10的各条分支,计算出该标准直线L'的总长度L;
步骤5-3:分别计算裂隙10的各条分支与标准直线L'的相交处在标准直线L'上所占的长度,计算各个相交处的长度之和,并计算出长度之和与标准直线L'的总长度之商,即得裂隙10和标准直线L'的线裂隙比RL,其计算公式为;
在步骤5-3中,裂隙10的各条分支分别为1'分支、2'分支、3'分支和4'分支,1'分支与标准直线L'的相交处在标准直线L'上所占的长度记为L1,2'分支与标准直线L'的相交处在标准直线L'上所占的长度记为L2,3'分支与标准直线L'的相交处在标准直线L'上所占的长度记为L3,4'分支与标准直线L'的相交处在标准直线L'上所占的长度记为L4,则线裂隙比RL为
实施例五
本实施例提供了一种面积裂痕比的计算方法。面积裂痕比定义为单位面积的精确二进制图像所含有的裂隙面积,其计算步骤包括:
步骤6-1:分别计算裂隙的面积S1和精确二进制图像的面积S;
步骤6-2:计算裂隙的面积S1和精确二进制图像的面积S之商得到面积裂隙比RS,即
在步骤6-1中,裂隙的面积S1为精确二进制图像中裂隙所含有的像素点的总个数,精确二进制图像的面积S为精确二进制图像所含有的像素点的总个数。
上述的对实施例的描述是为便于该技术领域的普通技术人员能理解和使用本发明。熟悉本领域技术的人员显然可以容易地对这些实施例做出各种修改,并把在此说明的一般原理应用到其他实施例中而不必经过创造性的劳动。因此,本发明不限于上述实施例,本领域技术人员根据本发明的揭示,不脱离本发明范畴所做出的改进和修改都应该在本发明的保护范围之内。
Claims (8)
1.一种岩体裂隙信息的计算方法,其特征在于:包括:
用于把岩体的彩色图像转换为精确二进制图像的处理步骤;
用于获取所述精确二进制图像中所述岩体的裂隙的边界线并根据该边界线计算出所述裂隙最窄宽度的计算步骤。
2.根据权利要求1所述的岩体裂隙信息的计算方法,其特征在于:所述处理步骤包括:
获取所述彩色图像,把所述彩色图像中含有裂隙的区域转换为灰色图像,获得所述灰色图像的灰度矩阵,根据所述灰度矩阵绘制灰度直方图并根据所述灰度直方图确定裂隙灰度值范围;
判断所述灰色图像中的每一个像素点的灰度值是否在所述灰度值范围内,当判断出在所述灰度值范围内时,将该像素点的灰度值重新设定为0,当判断出不在所述灰度值范围内时,将该像素点的灰度值重新设定为255,得到粗糙二进制图像;
利用形态学变换法处理所述粗糙二进制图像,得到所述精确二进制图像。
3.根据权利要求1所述的岩体裂隙信息的计算方法,其特征在于:所述最窄宽度的计算步骤包括:
获取所述边界线,在所述边界线上选取起点和终点,所述起点和所述终点将所述边界线分成第一侧边线和第二侧边线;
选择第一侧边线上除所述起点和所述终点之外的任意一个像素点作为目标点,计算该目标点和第二侧边线上任意一个像素点之间的距离,比较出所述目标点与第二侧边线上每一个像素点之间距离的最小值作为所述裂隙在所述目标点处的最小宽度;
比较出第一侧边线上所有目标点的最小宽度的最小值作为所述裂隙的所述最窄宽度。
4.根据权利要求1所述的岩体裂隙信息的计算方法,其特征在于:还包括:
用于获取裂隙的最大宽度的计算步骤;
用于获取所述精确二进制图像中所述裂隙的骨架线并根据该骨架线计算出所述裂隙的主干线长度的计算步骤。
5.根据权利要求4所述的岩体裂隙信息的计算方法,其特征在于:所述最大宽度的计算步骤包括:
获取所述边界线,在所述边界线上选取起点和终点,所述起点和所述终点将所述边界线分成第一侧边线和第二侧边线;
选择第一侧边线上除所述起点和所述终点之外的任意一个像素点作为目标点,计算该目标点和第二侧边线上任意一个像素点之间的距离,比较出所述目标点与第二侧边线上每一个像素点之间距离的最大值作为所述裂隙在所述目标点处的最大宽度;
比较出第一侧边线上所有目标点的最大宽度的最大值作为所述裂隙的所述最大宽度。
6.根据权利要求4所述的岩体裂隙信息的计算方法,其特征在于:所述主干线长度的计算步骤包括:
获取所述骨架线上的所有交叉点以及除所述起点和所述终点之外的其它端点,计算出每个所述端点和对应的所述交叉点之间的距离并逐个比较所述端点和对应的所述交叉点之间的距离与所述最大宽度的大小,当所述端点和对应的所述交叉点之间的距离小于所述最大宽度时,删除该端点和对应的所述交叉点之间的线段;
当比较结束时,被保留下来的线段为主干线,所述主干线上所有像素点的个数即为所述主干线长度。
7.根据权利要求1所述的岩体裂隙信息的计算方法,其特征在于:还包括线裂隙比计算步骤,包括:
在所述精确二进制图像中作与所述裂隙的走向相交叉并且与所述精确二进制图像的相对向的两边相交的标准直线,计算出所述标准直线的总长度;
分别计算所述裂隙的各条分支与所述标准直线的相交处在所述标准直线上所占的长度;
计算各个所述相交处的长度之和,并计算所述长度之和与所述标准直线的总长度之商即得所述裂隙和所述标准直线的线裂隙比。
8.根据权利要求1所述的岩体裂隙信息的计算方法,其特征在于:还包括面积裂隙比计算步骤,包括:
分别计算所述裂隙的面积和所述精确二进制图像的面积;
计算所述裂隙的面积和所述精确二进制图像的面积之商即得所述裂隙和所述精确二进制图像的面积裂隙比。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410129994.7A CN103942783A (zh) | 2014-04-01 | 2014-04-01 | 一种岩体裂隙信息的计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410129994.7A CN103942783A (zh) | 2014-04-01 | 2014-04-01 | 一种岩体裂隙信息的计算方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103942783A true CN103942783A (zh) | 2014-07-23 |
Family
ID=51190434
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410129994.7A Pending CN103942783A (zh) | 2014-04-01 | 2014-04-01 | 一种岩体裂隙信息的计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103942783A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109522646A (zh) * | 2018-11-15 | 2019-03-26 | 中国矿业大学 | 岩体交叉裂隙图像自动分离及其矢量化表达方法 |
CN111476850A (zh) * | 2020-04-08 | 2020-07-31 | 华东交通大学 | 一种裂隙土裂隙率计算方法 |
CN112508866A (zh) * | 2020-11-23 | 2021-03-16 | 沈阳工业大学 | 基于机器视觉与数字图像处理的岩体裂隙分析系统及方法 |
CN113836617A (zh) * | 2021-09-01 | 2021-12-24 | 山东大学 | 基于时间序列模型的掘进面前方裂隙类比预测方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100684630B1 (ko) * | 2006-01-03 | 2007-02-22 | 삼성중공업 주식회사 | 용접선 추적을 위한 이미지 프로세싱 방법 |
CN101691994A (zh) * | 2009-09-30 | 2010-04-07 | 浙江大学 | 一种隧道裂缝最大宽度自动定位和检测方法 |
CN101957178A (zh) * | 2009-07-17 | 2011-01-26 | 上海同岩土木工程科技有限公司 | 一种隧道衬砌裂缝测量方法及其测量装置 |
-
2014
- 2014-04-01 CN CN201410129994.7A patent/CN103942783A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100684630B1 (ko) * | 2006-01-03 | 2007-02-22 | 삼성중공업 주식회사 | 용접선 추적을 위한 이미지 프로세싱 방법 |
CN101957178A (zh) * | 2009-07-17 | 2011-01-26 | 上海同岩土木工程科技有限公司 | 一种隧道衬砌裂缝测量方法及其测量装置 |
CN101691994A (zh) * | 2009-09-30 | 2010-04-07 | 浙江大学 | 一种隧道裂缝最大宽度自动定位和检测方法 |
Non-Patent Citations (5)
Title |
---|
尹兰: "基于数字图像处理技术的混凝土表面裂缝特征测量和分析", 《中国优秀硕士学位论文全文数据库(工程科技Ⅱ辑)》, 15 April 2006 (2006-04-15), pages 33 - 34 * |
尹兰: "基于数字图像处理技术的混凝土表面裂缝特征测量和分析", 《中国优秀硕士学位论文全文数据库(工程科技Ⅱ辑)》, 15 April 2007 (2007-04-15), pages 33 - 34 * |
朱耀耀等: "基于数字图像技术的结构裂缝参数分析", 《混凝土》, no. 7, 31 July 2008 (2008-07-31), pages 22 - 25 * |
潘宏雨等: "《水文地质学概论》", 31 August 2009, 地质出版社, article "裂隙", pages: 18-21 * |
黄卫岭: "基于图像处理技术的桥梁裂缝测量系统研究", 《中国优秀硕士学位论文全文数据库(信息科技辑)》, 15 February 2014 (2014-02-15), pages 37 - 39 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109522646A (zh) * | 2018-11-15 | 2019-03-26 | 中国矿业大学 | 岩体交叉裂隙图像自动分离及其矢量化表达方法 |
CN111476850A (zh) * | 2020-04-08 | 2020-07-31 | 华东交通大学 | 一种裂隙土裂隙率计算方法 |
CN111476850B (zh) * | 2020-04-08 | 2023-04-18 | 华东交通大学 | 一种裂隙土裂隙率计算方法 |
CN112508866A (zh) * | 2020-11-23 | 2021-03-16 | 沈阳工业大学 | 基于机器视觉与数字图像处理的岩体裂隙分析系统及方法 |
CN112508866B (zh) * | 2020-11-23 | 2024-03-08 | 沈阳工业大学 | 基于机器视觉与数字图像处理的岩体裂隙分析系统及方法 |
CN113836617A (zh) * | 2021-09-01 | 2021-12-24 | 山东大学 | 基于时间序列模型的掘进面前方裂隙类比预测方法及系统 |
CN113836617B (zh) * | 2021-09-01 | 2023-10-20 | 山东大学 | 基于时间序列模型的掘进面前方裂隙类比预测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101408985B (zh) | 一种圆形光斑亚像素中心提取方法及装置 | |
CN104502990A (zh) | 一种基于数码图像的隧道掌子面地质调查方法 | |
CN113252700B (zh) | 一种结构裂缝检测方法、设备及系统 | |
CN105180890A (zh) | 融合激光点云和数字影像的岩体结构面产状测量方法 | |
CN104697476A (zh) | 粗糙度光切轮廓曲线的自动检测方法及装置 | |
CN105286871A (zh) | 一种基于视频处理的人体身高测量方法 | |
CN106845514B (zh) | 一种基于深度学习的指针式表盘的读数判断方法和装置 | |
US8831335B2 (en) | Stereo matching processing apparatus, stereo matching processing method and computer-readable recording medium | |
CN103942783A (zh) | 一种岩体裂隙信息的计算方法 | |
CN113256082A (zh) | 一种隧道掌子面智能地质素描及地质评价方法 | |
CN101499168A (zh) | 基于脊线跟踪与海森矩阵的结构光光条中心提取方法 | |
CN106530271A (zh) | 一种红外图像显著性检测方法 | |
US20220392185A1 (en) | Systems and Methods for Rapid Alignment of Digital Imagery Datasets to Models of Structures | |
Yang et al. | A fully automatic-image-based approach to quantifying the geological strength index of underground rock mass | |
CN109165553B (zh) | 基于深度学习的石油设施遥感自动识别方法及装置 | |
CN106056593B (zh) | 一种基于图像建模的危岩位移监测方法 | |
CN109373978A (zh) | 一种巷道围岩相似模拟的围岩位移监测方法 | |
CN103914829B (zh) | 一种含噪图像边缘检测方法 | |
CN103514460B (zh) | 视频监控多视角车辆检测方法和装置 | |
CN100589520C (zh) | 一种彩色图像边缘和角点特征检测方法 | |
CN106529548A (zh) | 亚像素级的多尺度Harris角点检测算法 | |
CN114565908A (zh) | 车道线的检测方法、装置、电子设备及存储介质 | |
CN106123851A (zh) | 一种基于无人机的路基横断面测量方法 | |
CN106643667B (zh) | 测距方法和装置 | |
CN116524017B (zh) | 一种用于矿山井下检测识别定位系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20140723 |